Чего не может компьютер

Обновлено: 28.06.2024

Компьютеры могут управлять автомобилями, посадить марсоход на Марс и победить людей в Jeopardy. Но вы когда-нибудь задумывались, есть ли что-то, что компьютер никогда не сможет сделать?

Чтобы повторно просмотреть эту статью, перейдите в раздел "Мой профиль" и выберите "Просмотреть сохраненные истории".

Компьютеры могут управлять автомобилями, посадить марсоход на Марс и победить людей в Jeopardy. Но вы когда-нибудь задумывались, есть ли что-то, что компьютер никогда не сможет сделать? Компьютеры, конечно, ограничены их оборудованием. Мой смартфон не может работать как электрическая бритва (пока). Но это физическое ограничение, которое мы могли бы преодолеть, если бы действительно захотели. Поэтому позвольте мне быть немного более точным в том, что я имею в виду. Я спрашиваю, есть ли вопросы, на которые компьютер никогда не сможет ответить?

Конечно, есть много вопросов, на которые компьютеру действительно сложно ответить. Вот пример. В школе мы учимся раскладывать числа на множители. Так, например, 30 = 2 × 3 × 5 или 42 = 2 × 3 × 7. Школьники учатся разлагать числа на множители, следуя простой алгоритмической процедуре. Тем не менее, вплоть до 2007 года за факторинг этого числа выплачивалась награда в размере 100 000 долларов:

По состоянию на 2014 год никто публично не заявлял о решении этой головоломки. Дело не в том, что мы не знаем, как ее решить, просто это займет слишком много времени. Наши компьютеры слишком медленные. (На самом деле, шифрование, которое делает Интернет возможным, основано на том, что эти огромные числа невероятно сложно учесть.)

Давайте перефразируем наш вопрос, чтобы он не ограничивался современными технологиями. __Есть ли какие-либо вопросы, на которые __независимо от того, насколько мощный ваш компьютер, и сколько бы вы ни ждали, ваш компьютер никогда не сможет ответить?

Удивительно, но ответ положительный. Проблема остановки спрашивает, остановится ли компьютерная программа через некоторое время или она будет продолжать работать вечно. Это очень практичная проблема, потому что бесконечный цикл — распространенный тип ошибки, которая может незаметно проникнуть в код. В 1936 году блестящий математик и взломщик кодов Алан Тьюринг доказал, что компьютер не может проверять любой код, который вы ему даете, и правильно сообщать вам, будет ли код останавливаться или работать вечно. Другими словами, Тьюринг показал, что компьютер никогда не сможет решить проблему остановки.

Возможно, вы сталкивались с такой ситуацией: вы копируете какие-то файлы, а индикатор выполнения зависает (обычно на 99%). В какой момент вы перестаете ждать, пока он сдвинется с места? Как узнать, застрянет ли он навсегда или через несколько сотен лет скопирует ваш файл? Если использовать аналогию Скотта Ааронсона, "Если вы поспорите с другом, что ваши часы никогда не перестанут идти, когда вы сможете объявить о победе?"

По мере того, как вам надоедает ждать, пока переместится полоса копирования, вы начинаете задаваться вопросом, а было бы здорово, если бы кто-нибудь написал программу отладки, которая могла бы отсеивать все подобные надоедливые ошибки? Тот, кто написал эту программу, мог бы продать ее Microsoft за кучу денег. Но прежде чем приступить к самостоятельному написанию, следует прислушаться к совету Тьюринга: компьютер никогда не сможет надежно проверить чей-то код и сказать вам, остановится он или будет работать вечно.

Подумайте, насколько это смелое заявление. Тьюринг не говорит о том, что мы можем сделать сегодня, вместо этого он выдвинул фундаментальное ограничение того, что компьютеры возможно могут делать. Будь то сейчас или в 2450 году, нет и никогда не будет компьютерной программы, способной решить проблему остановки.

В своем доказательстве Тьюринг сначала должен был математически определить, что мы подразумеваем под компьютером и программой. С этим фундаментом он мог нанести последний удар, используя проверенную временем тактику доказательства от противного. Чтобы разогреться перед пониманием доказательства Тьюринга, давайте подумаем об игрушечной проблеме, называемой парадоксом лжеца. Представьте, что кто-то говорит вам: «Это предложение ложно». Если это предложение истинно, то, судя по тому, что они сказали, оно также должно быть ложным. Точно так же, если предложение ложно, то оно точно описывает себя, поэтому оно также должно быть истинным. Но оно не может быть и истинным, и ложным, поэтому мы имеем противоречие. Эта идея использования самореференции для создания противоречия лежит в основе доказательства Тьюринга.

Вот как об этом рассказывает ученый-компьютерщик Скотт Ааронсон:

Доказательство [Тьюринга] — прекрасный пример самореференции. Это формализует старый аргумент о том, почему у вас никогда не будет идеального самоанализа: потому что если бы вы могли, то вы могли бы определить, что вы собираетесь делать через десять секунд, а затем сделать что-то еще.Тьюринг вообразил, что существует специальная машина, которая может решить проблему остановки. Затем он показал, как мы можем заставить эту машину анализировать себя таким образом, чтобы она останавливалась, если работала вечно, и работала вечно, если останавливалась. Подобно собаке, которая в конце концов ловит свой хвост и пожирает себя, мифическая машина исчезает в ярости противоречия.

Итак, давайте пройдемся по доказательству Тьюринга, что проблема остановки не может быть решена компьютером, или почему вы никогда не сможете запрограммировать «отслеживание цикла». Доказательство, которое я собираюсь представить, довольно нетрадиционно. Это стихотворение, написанное Джеффри Пуллумом в честь Алана Тьюринга в стиле доктора Сьюза. Я воспроизвел его здесь полностью с его разрешения.

ПОИСК LOOP SNOOPER

Доказательство того, что проблема остановки неразрешима

Джеффри К. Пуллум

Общая процедура проверки ошибок не годится.< br />Теперь я не буду просто утверждать это, я докажу это вам.
Я докажу, что хотя вы можете работать до упаду,
вы не можете сказать, остановятся ли вычисления.
/p>

Представьте, что у нас есть процедура с именем P
, которая для указанных входных данных позволяет вам увидеть
определяет ли указанный исходный код со всеми его ошибками
процедуру, которая в конечном итоге останавливается.

Вы загружаете свою программу подходящими данными,
и P приступает к работе, а через некоторое время
(за конечное время вычислений) делает правильный вывод
возникнет ли бесконечное зацикливание.

Если зацикливания не будет, то P выведет "Хорошо".
Это означает, что работа над этим вводом будет остановлена, как и должно быть.
Но если он обнаруживает непреодолимую петлю,
тогда P сообщает "Плохо!", что означает, что вы в супе.

Ну, правда в том, что P не может быть ,
потому что, если бы вы написали его и дали мне,
я мог бы использовать его для создания логической привязки,
которая разрушила бы ваш разум и запутала бы ваш разум.

Вот трюк, который я использую, и он очень прост.
Я определю процедуру, которую я назову Q,
которая будет использовать предсказания P об успешном завершении
для создать ужасную логическую неразбериху.

Для заданной программы, скажем, A, которую мы поставляем,
первый шаг этой программы, называемой QI devise
, состоит в том, чтобы выяснить у P, что правильная вещь, которую следует сказать
о циклическом поведении A, работающем на A.

Если P ответит "Плохо!", Q внезапно остановится.
Но в противном случае Q вернется наверх,
и начать снова, бесконечно возвращаясь назад,
пока вселенная не умрет и не станет замороженной и черной.

И эта программа под названием Q не останется на полке ;
Я бы попросил его спрогнозировать запуск самого себя.
Что он будет делать, когда прочитает собственный исходный код?
Каково циклическое поведение Q при выполнении Q?

Если P предупредит о бесконечных циклах, Q уйдет,
хотя P должен говорить об этом правильно!
И если Q собирается выйти, то P должен сказать "Хорошо".
>Что заставляет Q начать зацикливаться! (P отрицал это.)

Независимо от того, как P может работать, Q зачерпнет его:
Q использует вывод P, чтобы выставить P глупым.
Что бы P ни сказал, это не могу предсказать Q:
P верно, когда неверно, и ложно, когда верно!

Я создал парадокс, изящный, насколько это возможно —
и просто используя вашу предполагаемый P.
Когда вы постулировали P, вы попали в ловушку;
Ваше предположение привело вас прямо в мое логово.

Итак, куда может пойти этот аргумент?
Мне не нужно говорить вам; Уверен, вы должны это знать.
A reductio: не может быть
процедуры, действующей подобно мифическому P.

Вы никогда не найдете общих механических средств
для предсказания действий вычислительных машин;
это то, что невозможно сделать. Поэтому мы, пользователи
должны сами находить свои ошибки. Наши компьютеры неудачники!

То, что вы только что прочитали в восхитительно причудливой поэтической форме, было изюминкой доказательства Тьюринга. Вот визуальное представление той же идеи. Ромб представляет программу отслеживания цикла P, которую просят оценить, остановится ли программа Q (блок-схема).

"Программа остановится, когда анализатор цикла скажет, что этого не произойдет, и она будет работать вечно, когда анализатор цикла скажет, что она будет остановлена!"

Подобно змее, которая пытается съесть свой хвост, Тьюринг придумал парадокс самореференции. Программа остановится, когда анализатор цикла скажет, что этого не произойдет, и она будет работать вечно, когда анализатор цикла скажет, что она будет остановлена! Чтобы разрешить это противоречие, мы вынуждены заключить, что эта программа отслеживания циклов не может существовать.

И эта идея имеет далеко идущие последствия. Существует бесчисленное множество вопросов, на которые компьютеры не могут дать вам надежный ответ. Многие из этих невозможных вопросов на самом деле просто замаскированный шпион. Среди вещей, которые компьютер никогда не сможет сделать идеально, — определить, является ли программа вирусом или содержит уязвимый код, который можно использовать. Вот и все наши надежды на то, что у нас будет идеальное антивирусное программное обеспечение или неуязвимое программное обеспечение.Кроме того, компьютер не всегда может сказать вам, делают ли две разные программы одно и то же, что является прискорбным фактом для бедных душ, которым приходится оценивать домашнюю работу по информатике.

Убив мифического наблюдателя за петлями, Тьюринг показал нам, что существуют фундаментальные пределы возможностей компьютеров. У всех нас есть свои пределы, и в какой-то мере приятно осознавать, что созданные нами искусственные мозги всегда будут иметь свои пределы.

Похоже, что сегодня компьютеры могут делать почти все, и это намного лучше, чем люди.

Поэтому вы можете задаться вопросом, на что не способны компьютеры, учитывая тот факт, что они так далеко развились с момента своего создания.

Технологии развиваются с постоянной скоростью, и закон Мура доказал свою правоту.c

Возможности обработки современных компьютеров удваиваются с экспоненциальной скоростью, и если вас это не пугает, то вам, вероятно, будет неприятно узнать, что простая компьютерная программа сегодня может легко обыграть гроссмейстера.

Но что это значит? Компьютеры становятся быстрее и умнее, а мы, люди, во многом остались прежними.

К счастью, есть еще несколько вещей, которые компьютеры не могут делать сегодня (пока).

Чего не могут сделать компьютеры:

1. Показывайте и воспринимайте человеческие эмоции

Независимо от того, насколько совершенны компьютеры, они по-прежнему не могут отображать или даже обрабатывать человеческие эмоции.

Компьютеры не могут показать или понять страх, отчаяние, любовь или страсть. Какими бы сложными ни были компьютерное оборудование и программное обеспечение, они просто не могут разгадать сложность настоящих эмоций.

Однако ученые из Медиа-лаборатории Массачусетского технологического института работают над тем, чтобы дать компьютерам возможность интерпретировать эмоции.

Эта работа выполняется в области искусственного интеллекта (ИИ), известной как "Аффективные вычисления".

Предпосылка этой области заключается в разработке компьютеров, чтобы они могли анализировать выражения лиц людей и «понимать» их. Человеческий мозг может очень легко анализировать выражение лица и из простых рассуждений понимать передаваемые эмоции.

Несмотря на это, самым быстрым компьютерам трудно расшифровать человеческие эмоции с такой же точностью, как человек.

2. Инновации и творчество

Компьютеры намного мощнее самого умного человека в хранении и извлечении информации.

Они способны хранить миллиарды байтов данных в течение длительного периода времени с минимальными потерями. Однако могут ли они обработать эту информацию и использовать ее для создания чего-то нового?

Современные компьютеры по-прежнему не в состоянии собрать воедино информацию и использовать ее для самостоятельного создания чего-то совершенно нового и креативного.

Ну, есть компьютерные программы, которые были разработаны для использования процесса, известного как Генеративный дизайн, для получения определенных результатов проектирования на основе заданных ограничений.

Я бы не назвал эти проекты инновационными, поскольку они требуют участия человека в секторе входных данных и ограничений.

Компьютеры также не могут придумывать собственные творческие идеи. Это одна из тех вещей, которые, как я уже сказал, трудно запрограммировать в машине.

3. Совершенствовать себя

По мере того, как люди растут, мы становимся лучше во многих вещах. Мы становимся сильнее, больше и умнее. Мы делаем это естественно, самостоятельно.

Компьютеры не способны самосовершенствоваться. Заданное количество транзисторов в процессоре останется неизменным независимо от времени.

Компьютер не сможет изменить это сам. Единственный способ изменить или улучшить компьютер — это вмешательство человека, например, когда пользователь решает обновить определенные аспекты системы.

Тогда и только тогда компьютер может стать лучше. Это верно, потому что компьютеры не способны развиваться сами по себе.

Хотя они продолжают становиться умнее и умнее с каждым днем, это можно отнести только к исследователям и инженерам, которые работают над обновлением.

4. Цените искусство

Компьютеры не перестают нас удивлять. Есть бот-набросок, известный как Павел IX, который может делать наброски, как человек. Его создатель Патрик Трессе назвал его «художественным».

Хотя такие роботы и могут создавать произведения искусства, оценить их по-настоящему гораздо сложнее. Робот не может сказать, хорошее произведение искусства или плохое.

Он не может оценить аккуратные мазки художника, а также ни цвета, ни композицию портрета. Ценить искусство — это то, что люди культивировали на протяжении тысячелетий.

Это было встроено в нашу эволюцию. Чего нельзя сказать о компьютерах. Хотя компьютер может автономно создать произведение искусства, как робот, упомянутый выше, у него не будет возможностей обработки, чтобы определить, является ли это произведение искусства достойным галереи или нет.

5. Принимать собственные решения

Когда дело доходит до автономности, компьютеры действительно отстают. Компьютеры способны делать очень много вещей очень хорошо. Единственная проблема заключается в том, что они полагаются на человеческий вклад и указания.

Компьютеры могут быть настолько хороши, насколько хороша информация, которую они предоставляют. Они будут выполнять обработку на основе заранее запрограммированных алгоритмов и создавать информацию в заранее определенном формате, вот и все.

Они на самом деле очень хорошо умеют что-то делать. Однако, когда дело доходит до независимого мышления и полной автономии в принятии решений, компьютеры сильно ограничены.

Пройдет много времени, прежде чем компьютеры смогут освоить этот аспект человечества.

6. Поддерживайте более глубокий разговор с человеком

Персональные помощники, такие как SIRI от Apple, Google Assistant от Google и Alexa от Amazon, никуда не денутся.

Благодаря технологиям компьютеры могут "слушать" людей и "понимать", что они говорят. Хотя иногда это может быть немного неточным, мы наблюдаем большой прогресс в этой области.

Хотя компьютеры могут понимать людей, обычно наилучшие ответы получают короткие простые фразы и прямые вопросы.

Робот София

Робот София — прекрасный пример компьютера, который ведет простой разговор с человеком. Однако компьютеру обычно трудно обрабатывать более глубокие предметы, такие как философия.

София доказала, что компьютеры могут говорить о простых вещах, однако с обработкой более сложных тем возникают проблемы.

Что ждет нас в будущем

Хотя обсуждение выше вращалось вокруг того, что компьютеры ПОКА не могут делать, будет ли когда-нибудь время, когда они превзойдут даже эти ограничения?

Шансы довольно высоки. Хотя обработка эмоций на человеческом уровне в ближайшем будущем будет невозможна, в далеком будущем это, безусловно, станет реальностью.

Благодаря передовым исследованиям в области искусственного интеллекта, нейронных сетей, машинного обучения и т. д. ученые все ближе и ближе приближаются к созданию роботов, имитирующих людей.

Основа для того, чтобы сделать ИИ умнее, уже была заложена с появлением Интернета вещей. Интернет вещей — это революция, происходящая прямо у нас под носом.

Это процесс оснащения повседневных машин, от телефонов до стиральных машин, датчиками и процессорами, которые непрерывно собирают данные о поведении человека.

По сути, Интернет уже изучает и изучает поведение человека.

Некоторые даже назвали бы передовые исследования способом сделать роботов «разумными».

Неизвестно, насколько далеко или близко мы подошли к гипотетической Технологической сингулярности. Однако при нынешних темпах будущее кажется одновременно захватывающим и пугающим.

Заключение

Область вычислительной техники полна возможностей, а пространство для развития безгранично.

Сейчас компьютеры делают больше того, что могут делать люди, и мы ожидаем, что их возможности будут только улучшаться благодаря инновациям.

Несмотря на это, мы увидели, что компьютеры не являются всемогущими устройствами, какими их считают многие люди. Отсюда тот факт, что вопрос «что компьютеры не могут делать» по-прежнему правдоподобен.

Кроме того, у них есть некоторые проблемы с производительностью, из-за которых вы дважды задумаетесь об их возможностях.

Основной вывод заключается в том, что компьютеры — это всего лишь машины, и у них есть свои недостатки, они не могут делать все сразу.

По крайней мере, сейчас.

Эндрю Уайт является основателем TechGearoid, ведущего веб-сайта с обзорами и информацией о технологиях, призванного помочь потребителям принимать более взвешенные решения при покупке ИТ. Как специалист по техническим вопросам (ботаник) с более чем 10-летним опытом, он любит писать обо всем, что связано с современными технологиями и новейшими рыночными инновациями. Когда он не приносит пользы своим читателям, он обычно пьет кофе или отдыхает на пляже. Эндрю живет в Сиднее, Австралия, с женой и семьей.

О нас

Tech Gearoid – это веб-сайт, посвященный технологиям/компьютерам, а также информационный веб-сайт, призванный помочь вам принимать более обоснованные решения о покупках ИТ.

Мы участвуем в партнерской программе Amazon Services LLC, партнерской рекламной программе, в рамках которой мы получаем вознаграждение за рекламу, размещая ссылки на Amazon и аффилированные сайты. Вы можете узнать больше здесь.

Вот как об этом рассказывает ученый-компьютерщик Скотт Ааронсон:

Доказательство [Тьюринга] — прекрасный пример самореференции. Это формализует старый аргумент о том, почему у вас никогда не будет идеального самоанализа: потому что если бы вы могли, то вы могли бы определить, что вы собираетесь делать через десять секунд, а затем сделать что-то еще. Тьюринг вообразил, что существует специальная машина, которая может решить проблему остановки. Затем он показал, как мы можем заставить эту машину анализировать себя таким образом, чтобы она останавливалась, если работала вечно, и работала вечно, если останавливалась. Подобно собаке, которая в конце концов ловит свой хвост и пожирает себя, мифическая машина исчезает в ярости противоречия.

ПОИСК LOOP SNOOPER

Доказательство того, что проблема остановки неразрешима

Джеффри К. Пуллум

И эта идея имеет далеко идущие последствия. Существует бесчисленное множество вопросов, на которые компьютеры не могут дать вам надежный ответ.Многие из этих невозможных вопросов на самом деле просто замаскированный шпион. Среди вещей, которые компьютер никогда не сможет сделать идеально, — определить, является ли программа вирусом или содержит уязвимый код, который можно использовать. Вот и все наши надежды на то, что у нас будет идеальное антивирусное программное обеспечение или неуязвимое программное обеспечение. Кроме того, компьютер не всегда может сказать вам, делают ли две разные программы одно и то же, что является прискорбным фактом для бедных душ, которым приходится оценивать домашнюю работу по информатике.

Прогнозирование действий ИИ а компьютеры на это не способны, это глупая затея. На протяжении всей 60-летней истории ИИ скептики пытались выделить задачи, которые, по их мнению, машины никогда не смогут решить. Такие задачи варьировались от игры в шахматы до создания музыкальных произведений и вождения автомобиля. Почти каждое мгновение они оказывались неправы, иногда глубоко ошибочными.

Но такой же удивительный, как ИИ. здесь, в 2018 году, все еще есть вещи, которые он, безусловно, не в состоянии сделать. Хотя некоторые из них более легкомысленны, чем другие, все они демонстрируют некоторую часть машинного интеллекта, которой в настоящее время не хватает. Вот шесть примеров, которые показывают, как много еще предстоит сделать.

Сочинять смешные шутки

Если вы ИИ. исследователь, читающий это, считайте это (возможно) низко висящим плодом, дразнящим в пределах вашей досягаемости. В конце концов, написать приличную шутку должно быть легко, верно? Расскажите об этом при каждой попытке создать ИИ, генерирующий шутки.

Ранее в этом году один бесстрашный программист обучил нейронную сеть более чем 43 000 шуток и попросил ее придумать новые шутки. Репрезентативный образец, вызывающий смех, звучит так: «Что получится, если скрестить корову с носорогом? Банджи с собакой».

Смешная шутка или нет, очень субъективно, но даже самые большие энтузиасты тарзанки вряд ли найдут над чем посмеяться. Jeopardy! от IBM, играющий с искусственным интеллектом. показал, что машины можно заставить понимать лингвистические сложности, такие как множественные значения одного и того же слова. Но пока не для нарочито юмористического эффекта.

Итак, вот задача: получить ИИ. написать, а затем представить 3-минутный сет-лист комедийного материала, который рассмешит 50 процентов его (не программистов) человеческой аудитории. И воровать шутки тоже нельзя. Это означает, что вам, вероятно, следует выбросить данные о тренировках Карлоса Менсии.

Писать хорошие романы

Появление таких компаний, как Narrative Science, и использование алгоритмов для спортивных репортажей показывает, что написание текстов доступно для современных компьютеров. Но мы пока не ожидаем, что машина напишет роман, независимо от того, будет ли это популярное художественное произведение, занимающее первые места в чартах, или высококлассная художественная литература.

Речь идет о решении задач и определении того, какая часть информации актуальна.

Написание любого из них требует не только создания текста для раскрытия фрагментарных обрывков информации, таких как счет в местном футбольном матче. Это значит составить повествование (или умышленно ниспровергнуть эту идею), которое найдет отклик у читателей, а затем выяснить, как лучше всего это рассказать.

Есть несколько захватывающих демонстраций работы ИИ. привык писать прозу. Есть и очень глупые. Но мы не жалеем ни вычислительной Джейн Остин, ни Дж.К. Роулинг в ближайшее время. Если когда-нибудь.

Формирование творческих стратегий

С одной стороны, это просто неправда. Как игровой ИИ Google DeepMind. Как показал опыт, когда дело доходит до таких вещей, как видеоигры Atari, интеллектуальные агенты, разбирающиеся в обучении с подкреплением, действительно могут формулировать оптимальные стратегии. Я также считаю, что творчество не является неприкосновенной областью для искусственного интеллекта.

Однако я говорю здесь о способности формулировать креативные стратегии, которые, например, определяют способность отличного юриста приводить уникальные аргументы или ведущего генерального директора руководить своей компанией в смелых новых решениях. направления.

Речь идет не только об анализе данных. речь идет о том, чтобы заняться неструктурированными задачами по решению проблем и решить, какие фрагменты информации важны, а какие можно безопасно игнорировать.

Для успешного решения этих задач также часто требуется способность…

Быть человеком

Непростая цель, правда?Нет, мы не имеем в виду это буквально: если бы машине нужно было буквально быть человеком, чтобы считаться разумной, этого бы никогда не произошло. Вместо этого это относится к таким качествам, как сострадание и способность использовать то, что движет нами как человеческими существами.

Машины все лучше и лучше определяют эмоциональное состояние отдельных пользователей по таким признакам, как выражение лица и голосовые паттерны. Затем они могут использовать эту информацию, чтобы изменить то, как они взаимодействуют с нами, например рекомендовать нам определенные плейлисты, когда нам грустно или радостно.

< /p>

S3studio/Getty Images

Но как бы хорошо компьютеры ни распознавали такие болезни, как рак, вы бы предпочли одного врача вместо человека, чтобы он сказал вам, что вы умираете от неизлечимой болезни? С другой стороны, книги и фильмы, такие как Moneyball, показывают нам, как аналитика данных может выбирать спортивные команды-победители. Но мог ли ИИ? быть спортивным тренером высшего уровня? Это важные человеческие роли, и они останутся человеческими в обозримом будущем.

Если машины не смогут освоить эти навыки, это ограничит их возможности на рабочем месте. (С положительной стороны, может быть, это спасает людей!)

Приготовить чашку кофе

Подождите немного. Да, есть много умных кофемашин, но мы не об этом. Кофейный тест был предложен сооснователем Apple Стивом Возняком для измерения множества аспектов машинного интеллекта и ловкости роботов. В тесте, который описывает Возняк, машина входит в случайный американский дом, находит кофемашину, добавляет воду, находит кружку и варит кофе, нажимая нужные кнопки.

Увидим ли мы когда-нибудь команду роботов, обыгравшую человеческую футбольную команду?

Что мне нравится в этом тесте, так это его измеримость. Другие попытки количественной оценки общего искусственного интеллекта сосредоточены либо на философских абстракциях (Тест Тьюринга), либо, возможно, уже были достигнуты (предложение Нильса Джона Нильссона о Тесте на трудоустройство). Тест Возняка требует высокой производительности в таких областях, как распознавание изображений, но также требует обобщенного многоцелевого интеллекта. Пока этого не удалось добиться — пока.

Читайте также: